基于集群环境的K-Means聚类算法的并行化  

Research on Parallelism of K-Means Clustering Algorithm Based on Cluster

作　　者：王辉[1] 张望[1] 范明[2] 

机构地区：[1]河南科技大学电子信息工程学院,河南洛阳471003 [2]河南科技大学现代教育技术与信息中心,河南洛阳471003

出　　处：《河南科技大学学报（自然科学版）》2008年第4期42-45,共4页Journal of Henan University of Science And Technology:Natural Science

基　　金：国家自然科学基金项目(60203018);教育部科学研究重点项目(200202)

摘　　要：K-Means聚类算法在面对海量数据时,时间和空间的复杂性已成为K-Means聚类算法的瓶颈。在充分研究传统K-Means聚类算法的基础上,提出了基于集群环境的并行K-Means聚类算法的设计思想,给出了其加速比估算公式,并通过实验证明了该算法的正确性和有效性。The complexity of time and spatial is becoming the difficulty of K-Means clustering algorithm while it deals with the huge amounts of data sets.Based on the study of the traditional K-Means clustering algorithm,the design concept of the parallel K-Means algorithm is discussed and a formula of the speedup ratio is proposed.The accuracy and validity of the algorithm through experiments are proved.

关 键 词：集群 并行 K-MEANS聚类算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]